算法_回溯_子集

子集

leetcode链接

1.解法

子集问题也是回溯问题中最经典的一种。

我们先把树图画出来：

由图可以看出，如果想得到一个集合的子集，其实就是从一个集合中挑选元素，挑选方法为：

1. 首先选出第一个元素，然后再把这个元素之后的所有元素作为新集合思考同样的挑选问题
2. 之后选出第二个元素，然后再把这个元素之后的所有元素作为新集合思考同样的挑选问题
   …
3. 以此类推，直到新集合为空

由上可知他们的递归逻辑

我们根据回溯三部曲来写代码：

1. 确定函数头和一些辅助函数：

    result = [] # 存放最终结果
    path = [] # 存放当前结果
   
    def backtracking(nums,startindex): # startindex用来确定新集合的开始位置
   

2. 确定递归出口：

    从图中可以看出，当集合为空的时候就要返回，那么什么时候集合为空呢？
   
    if startindex>=len(nums):
    	return
   
    注意这里不是当集合为空的时候才把path存入result中，这里也是子集问题区别于组合问题的关键
   

3. 确定逻辑部分：

    path1 = path.copy()
    result.append(path1)
   
    for i in range(startindex,len(nums)):
        path.append(nums[i])
        backtracking(nums,i+1)
        path.pop()
   
    每次挑选一个数值，然后再从新集合中重复同样的操作，注意只要挑选到了一个数值就可以存入result中，没有其他条件。
   

完整代码为：

def subsets(nums):
    result = []
    path = []

    def backtracking(nums,startindex):
        path1 = path.copy() # 注意这里要写到出口前面，一是可以得到空集，二是可以得到本身
        result.append(path1)

		if startindex>=len(nums): # 其实这个出口可以不写，因为startindex>=len(nums)满足时，下面的for循环也要返回了。
			return

        for i in range(startindex,len(nums)):
            path.append(nums[i])
            backtracking(nums,i+1)
            path.pop()

    backtracking(nums,0)
    return result

2.总结

算法

子集问题的模板为：

一般不需要递归出口，因为for循环的判断就可以进行退出。

def subsets(nums):
    result = []
    path = []

    def backtracking(nums,startindex):
        path1 = path.copy()
        result.append(path1)

        for i in range(startindex,len(nums)):
            path.append(nums[i])
            backtracking(nums,i+1)
            path.pop()

    backtracking(nums,0)
    return result